la commande RbfSVC

Bonjour tout le monde,

je voudrais utiliser la commande RbfSVC (tirée de la toolbox OSU_SVM-Classifier-Matlab) pour la construction d'un classifieur SVM (séparateur à vaste marge) sous Matlab

RbfSVC(Samples, Labels, Gamma, C)

mais je ne sais pas sous quels critères choisir les valeurs de Gamma et C

si quelqu'un pourrait me donner quelques indices ,je serai très reconnaissante (une newbis )

Merci a vous.

Voici ce que dit l'entête de la fonction :

Code:

---

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33

% USAGES: % [AlphaY, SVs, Bias, Parameters, nSV, nLabel] = RbfSVC(Samples, Labels) % [AlphaY, SVs, Bias, Parameters, nSV, nLabel] = RbfSVC(Samples, Labels, Gamma) % [AlphaY, SVs, Bias, Parameters, nSV, nLabel] = RbfSVC(Samples, Labels, Gamma, C) % % DESCRIPTION: % Construct a non-linear SVM classifier with a radial based kernel, or Guassian kernel, % from the training Samples and Labels % % INPUTS: % Samples: all the training patterns. (a row of column vectors) % Lables: the corresponding class labels for the training patterns in Samples, (a row vector) % Gamma: parameters of the radial based kernel, which has the form % of (exp(-Gamma*|X(:,i)-X(:,j)|^2)). (default 1) % C: Cost of the constrain violation (default 1) % % OUTPUTS: % AlphaY - Alpha * Y, where Alpha is the non-zero Lagrange Coefficients, and % Y is the corresponding Labels, (L-1) x sum(nSV); % All the AlphaYs are organized as follows: (pretty fuzzy !) % classifier between class i and j: coefficients with % i are in AlphaY(j-1, start_Pos_of_i:(start_Pos_of_i+1)-1), % j are in AlphaY(i, start_Pos_of_j:(start_Pos_of_j+1)-1) % SVs - Support Vectors. (Sample corresponding the non-zero Alpha), M x sum(nSV), % All the SVs are stored in the format as follows: % [SVs from Class 1, SVs from Class 2, ... SVs from Class L]; % Bias - Bias of all the 2-class classifier(s), 1 x L*(L-1)/2; % Parameters - Output parameters used in training; % nSV - numbers of SVs in each class, 1xL; % nLabel - Labels of each class, 1xL. % % By Junshui Ma, and Yi Zhao (02/15/2002) %

---

Il faudrait peut être aussi expliquer sur quels types de données tu souhaites appliquer ces outils... quel est le contexte de ton étude ?

bonjour ,
En fait, je travaille sur la reconnaissance de forme basée sur les images couleurs
(un pré-traitement à l'aide de la transformée de Fourier , puis la méthode SVm pour l'apprentissage et la classification) .
j'ai finalement remplacé cette commande par la commande SVMtrain ,
ça me résout le problème du choix des valeurs de C et gamma.

merci à toi :)